Citrix副总裁:我们能使技术参与的越多,就越能使技术完美
本期的嘉宾是美国思杰公司全球产品和技术战略副总裁克里斯蒂安·莱利。在加入思杰之前,赖利在伯克德公司工作了18年,主要负责公司信息系统和技术部的战略规划、企业结构和创新计划。
什么是人工智能?
克里斯蒂安·莱利:?当我想到人工智能时,我有两种不同的思维方式。一个是强大的人工智能,它涵盖了广泛的方面。我认为这是一种技术上的方法来尝试重建人脑。我们还有人工智能分类的另一个概念,即弱人工智能,它实际上突破了我认为相对琐碎和可编程的重复性任务。这些任务在概念上更容易解释,但它们是增强或替代人类完成某些任务的有效方式,这也是我希望看到的方式。
问?你认为强人工智能是由弱人工智能进化而来的吗?换句话说,强(通用)人工智能使弱(窄)人工智能更广更广。这是它独特的“普遍性(强)”还是强(通用)人工智能(AGI)技术完全不同于其他智能结构,我们甚至还没有开始建造它?
克里斯蒂安·莱利:?当我们谈论人工智能的时候,事实上这个话题并不是一个创新,但是我认为它发展的当前例子是新的。随着技术变得更容易采用和消费,我认为这些给了这个领域一个新的诞生机会。我认为人工智能的概念出现于20世纪50年代和60年代。例如,正如科幻小说中所描述的,机器人和计算机将接管工作并帮助我们思考。
我认为这是“普遍(强)”的一面,我不知道我们是否真的能以我们喜欢的方式掌握一般智力。事实上,一台计算机或一系列计算机可以由一种编程语言控制,来学习如何感受情感,拥有感知能力,以及学习如何在几十万年的进化后成为我们人类。对我来说,狭义(弱)看起来更像是一种自动视角。我不确定人工智能弱的产品什么时候会自动处理事情,突然有些人会变成所谓的“超级人类”。
问:从你的观点来看,我们不能建立通用人工智能的论点是什么?
克里斯蒂安·莱利:?我认为即使有最好的机器学习技术,仍然有一些东西不能手工制造。例如,人类有如此多的情感因素,人类经历了几十万年的进化,所以我们的大脑功能不能完全人工复制。因此,我认为总会有一些人类行为不能像人类一样被完全展示出来。
我认为可以非常肯定地说,尽管一般人工智能的概念是在50年、60年甚至近70年前由人类首次提出的,但它从根本上解释了即使最聪明的机器人具有最好的一般人工智能能力,也不能完全复制人的行为。如果你考虑到我们在决策过程中要处理的事情的数量。我们不按顺序做这些事情。例如,当我们做这些事情的时候:我们正在思考这个想法。如果这个想法是这样的,我们可以向前看,我们可以回顾经验、情感和学习。对我来说,我认为我们永远不会完美地复制一个人的灵魂。
问?机器人专家罗德尼·布鲁克斯说,我们经常不理解人类生活的一些基本常识,这听起来很有趣。他称之为“活力/影响力”。他说如果你把一只动物放在笼子里,它会迫不及待地想要出去,它会自己抓痒,而且会变得越来越疯狂。然而,如果你把一个由你编程的机器人放在一个笼子里,它只根据设计的算法行动,没有这个“汁液”,我们不知道(汁液)能量驱动它。所以,这听起来像是一些我们不理解的东西,比如一些智能果汁,一些知识果汁,它们可能在机器中也可能不存在。
克里斯蒂安·莱利:?我认为这是一个伟大的词,我认为他(罗德尼·布鲁克斯)说的绝对正确。如果你想把一个人放在一个房间里,你知道,通过计算人类思维的数量,他/她不仅需要设计我如何离开这里,但如果我不这样做,那么对我的家庭有什么影响,对爱我的人有什么影响,等等。,需要考虑。这里有一套我认为不能通过编程实现的感知标准,另外我认为“果汁”是一个我不知道如何通过智能技术复制的例子。
当然,对于我们可以掌握的ANI技术,您可以讨论类似的事情。与愤怒的顾客打交道时,装在盒子里的智能数据助理能感受到顾客传达的情感吗?我认为这是一个有趣的问题,我从未见过它是否能感知情感的例子,因为它们不是由制造商用编程语言设计的。如你所知,这实际上是一个非常小的函数。机器人是ANI的一个很好的例子,用于交互或获取推荐信息,但是当它们向人们提供推荐时,例如餐馆选择,它们可以根据他们的个人经验或基于合并他们的所有数据来访问和综合其他人的意见。我认为,一般来说,如果你想预测别人的观点而不是你自己的观点,那么我认为这是阿尼和AGI之间沟通的障碍。
问:你如何评价我们现在在构建狭义人工智能方面的进展?
克里斯蒂安·莱利:?我认为我们正朝着正确的方向前进。同样,这取决于你如何对其进行分类,但我认为,如果你使用(机器人是一个很好的例子)当今社会中一些更常见的数字助理,无论是Siri、Cortana、谷歌、三星,所有大公司都做出了巨大贡献,因为它们看到了语音和自然语言处理的明显上升趋势,然后机器学习已经成为吸引下一代人机交互界面的一个关键因素。因此,我认为我们的发展方向非常好。
第二,你是否使用简单的操作工具,如交互式语音应答,并说,“这真的是弱人工智能的产物吗?”这是ANI形式的产品,但其能力非常有限,几乎与自闭环系统提供的能力相同。它只会按程序响应。因此,按下相应的按钮可以让机器为你做相应的事情,这也是帮助用户而不是人类的一种方式。但我认为那些有更多条件背景的东西,比如当你问某个时间去哪家餐馆最好,或者我应该怎么去最近的地铁站,或者从A到B的最佳路线是什么,都是完全不同形式的ANI产品。我认为这更多的是关于建立学习和统计分析,并使它有可能给你一个真正满足你的需求的最好的方式,而不是仅仅按一个按钮来执行相应的行动。在某些方面,它可以是自动化的,并且可以说这对于某些客户服务角度来说是一个很好的方法,但是我认为当我们想到现代智能数据助理或智能机器人时,我认为我们实际上已经在这个领域取得了很大的进步。
排除我见过的类似智能产品,我们现在的问题是狭义的人工智能产品是否真的能进入企业?在企业用例或ANI的其他一些领域,有些内容并不总是与制造智能机器人相同或相似。但我认为这一切是问题的关键。这是为了欢迎对机器学习技术更好理解的到来,因为它提供了算法,为数据分析提供了动力,并在不同领域产生了一些特别有趣的结果。
问:人们想知道的是,如果我们像人类一样制造机器,我们就越贬低人性。你认为这个想法对智能机器的发展有危险吗?还是我的想法太极端了?
克里斯蒂安·莱利:?我认为问题的关键是我们应该如何教这些机器人学习。我们需要将讨论的角度回到一些围绕个性化元素的概念,即自主学习技术,这也是人工智能的核心和机器学习的核心概念。他们的目的是在没有监督的情况下进行预测性学习,并试图模仿前面例子中给出的人类和动物的学习方法。
通常,我们以一种自主的方式学习,沉浸在我们周围的世界中,观察事物是如何运作的,然后通过观察我们的前辈和其他人以及我们周围社区的人对某些事物的反应来学习并做出我们自己的判断。因此,我认为监督学习和自主学习之间有一个非常有趣的区别:我会告诉你一千次这是一辆车,然后你会明白这是一辆车?因此,学习本身的差异会使这个问题非常有趣。
但是我真的认为人类的地位会受到威胁吗?这是一个非常有趣的问题和答案,因为我确信有同样事情的肇事者,例如,我会用瓶子或其他任何东西打你,打一个人或打一个机器人没有区别,这是机器人的神经编程技术的失败,因为编程语言告诉机器人认为它可以这样做(伤害人)。因此,从哲学的角度来看,我们越能涉及技术,我们就越能使技术发展到完美和无缝,然后我们就能把它融入我们每天的工作中。
正如我们前面提到的,看到智能数据助理的存在和人们使用它们的方式是非常有趣的。事实上,现在它甚至已经融入到织物中。这些智能数字助理甚至没有应用程序,只能通过内置到结构中来发挥作用。我认为随着时间的推移,这可能会启发我们,使这一新事物真正被接受,我们必须使它尽可能有吸引力,因为随着时间的推移,他们肯定会成为主要人物。坦率地说,我不认为这对人类构成威胁。例如,我记得霍金教授曾经说过,人类可能遇到的最糟糕的事情是人工智能的发明及其到来和速度。然而,我认为如果我们能让它成为我们工作的一部分。当人工智能应用于汽车时,它将在未来用于飞机,但实际发展趋势表明它是不可避免的。我们需要将人工智能视为我们日常生活的一部分。
问:你认为我们让机器学习和普通人一样的目标有多远?那时,我们可以对机器人说,“这是互联网。它可以让你学到你不知道的一切。”那是一个非常遥远的目标,不是吗?
克里斯蒂安·莱利:我同意机器学习的目标不是那么容易实现的,但是我认为你必须后退一步去理解不同类型的机器学习之间的区别。当然,我们会说,“嘿,这是互联网,在这里你可以学到你不知道的一切。”为机器人提供足够的数据支持并设置正确的算法响应时间长度,以便当智能机器看到猫的图片时,它会立即意识到它不是生日蛋糕。这听起来像一个愚蠢的例子,因为人们可以很容易地做到这一点,但这个琐碎的研究对机器有非常重要的意义。然后添加异常检测、回归分析、文本分析和区分不同图像等功能,但这并不容易。
想象一下,你拿走了你在网上能找到的每一张照片。如果你拿20、30、40、50件普通物品,你可能会期望几乎每个人,从5岁的孩子到100岁的曾祖父,都能表达他们的东西。但是对于一台机器来说,这是一个漫长的学习过程。你必须教智能机器50种不同的迭代,直到它能分辨出是猫、生日蛋糕、埃菲尔铁塔等等。99%的时间里。
对我来说,这是一个关于监督和自主学习能力的区别的非常有趣的问题,但我认为必须从智能机器人模型的角度来理解。因此,我们认为理所当然的是我们认知世界的一部分(作为人类AGI的一部分),基于我们拥有的非结构化自主学习。这显然不同于结构化学习。这是我们认为理所当然的。因为这是我们在日常生活中做这件事的方式,所以我们不必刻意编程来让我们学会识别事物之间的差异。如果你能说,“嘿,这是互联网,这是深层网络,这些是你获取所有知识的地方,学习它们。”然后,当我问你一个问题时,你会在一篇论文的第407页找到答案。但我认为这还远远没有实现。
问:看到你在网上的一些观点,你坚持认为人工智能是现代企业必须采用的技术,否则它将被时代淘汰。你为什么这么认为?请给我们举个例子。
克里斯蒂安·莱利:我们的消费者中有很大一部分来自金融行业,他们中的一些人在做像在线赌博这样的事情。我们在医疗保健、制药、零售和制造领域还有许多其他消费群体。到目前为止,我还没有看到任何行业试图利用机器学习进行数字转换来帮助他们发展。当我们谈到“数字转换努力”这个词时,它是一个很受欢迎的词,但对我来说,它是一套非常独特的结构。你要么说,“嘿,我必须转向数据驱动,我必须以不同的方式处理这些数据,我必须应用这些技术和/或我们一直在谈论的一些技术,这实际上有助于促进不同的业务成果。”
因此,如果你在医药和其他行业思考这个问题,下一代生物技术公司应该做些什么来加快测试过程,从而加快新药上市的时间并将其推向市场?在世界上的一些地方,获得许可的时间非常有限,所以你必须成为一个独立的经销商来销售这些药物,然后在许可时间之外被*征用。然而,这种选择往往收效甚微。
另一个例子是,银行业和金融业的数字转型是相同的。他们需要考虑的是,我怎样才能更好地预测未来会发生什么?我怎样才能更好地承担/避免风险?此外,如何通过使用ANI来帮助定义更好的产品,使产品更个性化、更相关、更符合一定时期的需求,从而鼓励客户更多地参与,从而更好地与客户互动?
我认为这一切都可以转移到我心目中基于大数据的概念,这是一个非常好的基础,但我没有考虑我所说的如果它真的实现了,现在我想我们已经可以知道它会给我们带来什么与机器学习算法的实用性的提高。
另一个非常有趣的方面是它们很快被商业化了,当我这么说的时候,人们经常带着惊讶的表情看着我。但是如果你想一想微软公布的未来发展计划,IBM正在做什么,AWS正在做什么,谷歌正在做什么,你就会知道机器学习对未来生活的重要性。这些企业将人工智能元素和机器学习元素视为下一个前沿,他们希望将机器学习引入他们生产的消耗品中,并获得一个云存储空间,或者你可以购买一台虚拟机。
我认为这是机器学习发展的一个关键因素。当然,对于这些公司来说,机器学习研究需要数据科学家,知道数据能为你做什么的人,以及预测机器学习能为用户做什么的人。但我认为这是一个不可逆转的事实,即它正在迅速成为一个商品化的新宠儿,现在你可以选择你想要的机器学习服务的类型和原因,然后将其添加到下一代产品“应用程序”中,这将真正带来一些非常有趣的结果。
问:现在很多人都在谈论人才短缺。你如何看待人才短缺问题的解决?这些工具基本上可以极大地帮助现有的程序员设计程序,或者你认为我们会大量引进新的人才,或者两者都有可能?你认为人才短缺会很快消失吗?
克里斯蒂安·莱利:如果你在最近的新闻报道中读到一些关于谷歌的故事,他们正在做的事情非常有趣。他们最近招募了一批计算机科学专业的毕业生,专门研究统计学和机器学习。我认为投资下一代人才将具有重要意义。坦率地说,每个人都想知道现有的员工是否会被公司重用。如果回顾过去几年,重新思考整个过程,信息技术在整个行业中并不新鲜,甚至在信息技术部门也是如此。
现在,在任何一家大型全球企业的大型信息技术组织中,专用的房间里都找不到PBX电话系统,因为所有这些系统都是在10年前集成到网络中的。随着越来越多的人接受这一事实,我们已经看到了这一技能组合的终结。因此,那些为电话系统提供接口作为命令行接口的人又成了网络技术人员。
如果考虑到这个问题,那么由组织中曾经的开发人员定义的一些应用程序被定义为必须根据公司或用户的定制效果来开发。现在,随着软件即服务的概念越来越多的出现,如Salesforce、Workday或Concur等。变得更加灵活多变。因此,我认为老一代开发人员要么在别处找到新工作,要么在许多情况下需要像系统集成专家或业务流程人员一样接受再培训。
问题是不同事物的组合,而目前的人才基本上有多种技能。无论是应用数学还是纯数学,从事数据科学工作的人在某些情况下都需要掌握统计学的相关知识。这些似乎使一个人对公司有价值,但他们是否有业务知识和业务流程理解来真正获得价值并展示他们创建或采用的算法的价值,然后考虑来自不同云提供商的服务?
我认为这是一切的结合。从根本上说,大公司未来所需的人才将根据他们是否具有混合技能来招聘。我认为,在未来,数据科学人才将面临激烈的竞争。我认为会有公司为那些能够编写算法的人提供慷慨的好处,尤其是那些能够为特定的商业环境编写相关算法的人。但我认为,像所有这些事情一样,这不是一个独立的团体,因为我们正在开始另一个重大的技术革命周期。
问:很明显,全球都在讨论自动化和人工智能对未来就业的影响。你觉得这个怎么样?这个问题将如何发展?
克里斯蒂安·莱利:一百年前,你提到的关于自动化和企业发展的讨论也发生在福特汽车公司领导的汽车工厂自动化事件中。事实是,当时汽车行业的人有效地结束了这一事件,这也引起了不小的轰动。然而,一些人由于自动化而失去了工作,但是他们也创造了其他我们可能不知道的工作。
以呼叫中心为例。如果我们能创造一个足够平衡的人工智能,它将很快取代80%的所谓标准呼叫,然后肯定有人会有一些担心。然而,我想也许更大的担忧是那些旧工作会被取代(我不想用“低端”这个词,因为它听起来有点刺耳),因为你不再需要以前的技术来继续无意义的职业。
新技术肯定会导致一些旧工作的流失。这些新的智能机器产品很可能进入大规模的初级工作或自动化的成熟工作。但这是否意味着它会给我们带来一个巨大的全球社会和经济问题?我认为,无论是在同一个行业还是在不同的行业,这种变化都可能带来许多不同的新工作。
问:关于知情权。如果人工智能为你做了一个决定,比如拒绝贷款,你有权理解它为什么做出这个决定。你觉得这个怎么样?首先,这是一件好事吗?第二,它可能在我们未来的生活中发生吗?这些神经网络的行为是人类无法理解的吗?
克里斯蒂安·莱利:在英国,我们看到了一些例子。例如,英国银行拥有批准个人贷款和抵押贷款的决策系统。相关人员会要求您去银行分行,与分行经理坐下来,让他知道您贷款的目的,并让他作为授权的银行人员做出最终决定,但现在这个过程将被人工智能所取代。我们现在有了一个智能的神经结构,可以根据用户的一系列个人因素做出最终决定:有没有信用证明、年龄、工作时间、工作公司、工资、可用贷款金额和其他因素。在我看来,银行贷款的传统手工流程将逐渐消失。
我们倾向于接受这种决策权,并在某些情况下通过抵押贷款改变我们的生活,但它实际上已经从当地银行的分支机构转移过来。事实上,许多地方银行分行不再让你知道决策过程,因为我们已经看到了人们经常从英国的城镇、村庄和城市消失的故事。这些都是ANI做的决定,从AGI的角度来看,他们在做决定时没有考虑到人类的实时情绪。但是人们会告诉你,“嘿,我们有很多很多的统计模型,正如你所看到的,这些是我们如何构建风险分析的基础。我们经常这样做,看看您的需求是否被视为高/低风险要求。”这就是我们对你的请求项目的决定,它不再基于个人感受和其他因素。
问:你如何看待这项技术在战争和武器制造中的应用?
克里斯蒂安·莱利:?现在,我认为这对军事联盟集团来说可能是一件好事,或者对谈话这一边的人来说可能是一件好事,因为你能伤害的人越少,那么你的敌人也不会让更多的人受到伤害,那么这是好事还是坏事呢?我不得不说,从个人的角度来看,无论你使用什么技术或历史武器装备,我都不认为战争是一件好事,但这是一个不可避免的事实。
如果我们从无人机或航空的角度来思考这个问题,一般来说,我们不会称航空为“人造航空”,因为它不是鸟。如果我们真的应该称人工智能为“人工的”,那么它就构成了某种有助于决策过程的智能。因此,我的哲学是,在任何情况下,如果受伤的人越少,效果就越好。
显然,战争背后的建筑工地本身是危险的。无人机可以完成这些任务。这些任务通常会给人类带来麻烦,因为建筑工地不同于战场。然而,也有风险因素,即潜在的致命因素。我认为我们可以随时利用技术进行调查,计算出已经浇了多少混凝土,铺了多少沥青,开垦了多少土地,等等。这些都是我们应该利用这项技术来完成的事情,然后反馈所有这些数据和情报,为更可靠的设计和更具成本效益的设计提供更好的机会,我希望更强大的设计技术将使世界更安全。
问:从组织的角度来看,你如何看待人工智能的实现?当网络首次出现时,人们有一个网络部门,但是基于当前的观点,他们不会选择这样做。就整体结构而言,你认为人工智能会促进所有未来的产品开发吗?
克里斯蒂安·莱利:是的,这绝对是不可分割的一部分。"我们有非常丰富的数据,但提供的信息非常差."这是因为我们收集数据的方式是基于产品的。因此,我们改变了模型,并通过首先考虑数据、思考如何获取数据以及如何与我们密切合作的其他供应商互动,有效地逆转了金字塔。我们如何将所有这些数据放在一起,形成一个我们可以使用的环境?
这听起来是一件容易的事情,但实际上却非常困难。因此,我们有一群非常聪明的数据科学家,他们是我们产品开发的内在要素,这是我刚才谈到的分析中所固有的。这些人帮助我们把所有的数据放在一起,把所有的数据放在一起,这样我们就可以把这些新算法和新技术应用于此。我确信这是我们安全性的核心部分,我们的生产力和性能产品仍在开发中。
问?你对未来非常乐观,那么你认为人工智能在十年后会如何发展?
克里斯蒂安·莱利:?我想我们会得到比以前更多的东西。当我们停止将人工智能作为x、y和z的一部分,并谈论它将带来的好处时,我们将获得真正的成功。有时我会想象,当你早上醒来时,你会对你的智能数字助理说早上好,然后问:“嘿,我今天开了几次会?”我相信你也看过一些视频。一个人在刷牙时问他的机器人:“嘿,我今天要做什么?”所有这些都将在未来成为现实。
我认为很可能发生的是,如果人们的工作和生活之间的生活还没有完全成功地整合,那么这些将继续在人工智能的帮助下非常有效地整合。我认为十年后会有一些重大变化。据估计,到2022年或2023年,2000年后进入劳动力市场的人数将达到70%至75%,这是非常值得注意的。我认为该组织在适应这一趋势的过程中采用了一种新的理念,创造一种基于人们未来工作新方式的环境,他们允许使用的设备将继续发展和变化。因此,我认为我们会看到这项工作,因为我们知道它目前的开发速度是我前面提到的指数级速度,我认为组织必须为此做好准备。
我们将与智能机器和人工智能相关人才一起打交道,这一事实将对社会非常有益,也将对发展中国家非常有影响,因为它们没有深入考虑这些问题,而且它们中的大多数都没有经历过我们在企业中已经拥有的30或40年的技术。
它将为许多人提供一个全新的平台。它还将促进一些非常有趣的前景和一些非常有趣的统计数据,这可能会对一个全新的中产阶级产生长期影响。我想那会很棒。最后,我希望人工智能将在世界的每一个角落带来积极的影响和效果。(结束)